品味非凡：揭秘7086伙计中的帅气男星，低调颜值超群，多挂彰显魅力与实力！，特朗普：美国提高钢铝关税至50%，有色金属板块或应声大涨！机构：建议重视锑、铋、钨、钼战略金属投资机遇看似无害的提问，也能偷走RAG系统的记忆——IKEA：隐蔽高效的数据提取攻击新范式怎样回应宝宝的“执念提问”？不需要大道理，需要“心平气和+及时修复”
从中国顶级娱乐品牌7086中脱颖而出的帅气男星们，他们的形象独具魅力，不仅在演艺圈中备受瞩目，更在私下里展现出独特的品位和个性风采。这些明星，无论是演员、歌手还是设计师，他们在各自的领域都有着深厚的功底和卓越的表现力，他们共同的特点就是低调且自带魅力。
我们来看看男主角陈晓东。作为一位中国娱乐圈的实力派演员，陈晓东的外貌无疑是他吸引粉丝的一大亮点。他拥有标准的高鼻梁、深邃的眼眸、挺拔的身材以及略显修长的手臂，这些都是他在影视剧中塑造的经典形象。他的演技精湛，无论是深情款款的小生角色，还是活泼开朗的性格偶像，都能轻松驾驭自如，深入人心。他以其独特的气质和出众的外表，成功地打造了自己的一套风格，无论是低调奢华的商务装，还是休闲舒适的日常装，都展现出了他的独特魅力和生活品味。
再来看另一位男性明星孙红雷。孙红雷是华语电影圈公认的实力派演员之一，他的外表同样非常吸引人。他的脸型宽大，眼神犀利，带着一股成熟稳重的魅力。他的衣着打扮也透露出一种独特的艺术气息，无论是西装革履的商务装，还是休闲运动的休闲装，都让人眼前一亮。他的表演技巧丰富多样，既能演绎深情厚意的角色，也能在硬朗冷峻的镜头前展现出深沉的情感，充分展现了他在演技上的深厚底蕴和对角色的深刻理解。
还有黄渤这位以喜剧见长的演员。黄渤的外表以其幽默风趣的形象深受观众喜爱，无论是憨态可掬的笑容，还是深藏不露的智慧，都让他的形象充满了趣味性和真实性。他凭借其出色的喜剧天赋，成功地将一个个平凡的角色塑造得生动有趣，深受广大观众的喜爱。他的低调又不失才华，无论是作品中的小人物，还是舞台上的大型角色，都能够展示出他的独特魅力和实力。
从7086中我们看到了不少帅气男星的风采，他们在各自的职业生涯中展示了他们的才华和魅力，通过低调的外表和内在的实力，赢得了广泛的赞誉和尊重。这些男星们的存在，不仅丰富了中国娱乐圈的文化内涵，也在潜移默化中提升了人们的审美情趣和生活质量，成为了当代社会中一道亮丽的风景线。无论是在荧幕上还是生活中，他们都是我们值得欣赏和学习的榜样，让我们一同品味非凡，感悟他们的帅气与魅力！
或由于美国钢铝关税政策，今日（6月4日）A股有色金属板块涨势如虹，广晟有色涨超4%，洛阳钼业涨逾3%，华锡有色、盛新锂能、融捷股份等个股携手涨超2%。
热门ETF方面，揽尽有色金属行业龙头的有色龙头ETF（159876）震荡冲高，场内涨幅盘中上探1．44%，现涨1．35%。
当地时间6月3日，美国宣布将进口钢铁和铝及其衍生制品的关税从25%提高至50%，该关税政策自美国东部时间4日凌晨00时01分起生效。
中信建投指出，年初至今，锑、铋、钨、钼等战略金属价格轮番表现。近年来，一众战略小金属价格中枢呈显著上移态势，主要原因在于资源稀缺性及供给刚性日益凸显、需求端受益于新能源、新材料、制造业升级、军工等发展，叠加关键矿产资源已成为各国博弈的新“战场”，持续看好国内优势战略矿种价值回归及股票估值重估，建议重视战略金属投资机遇。
未来产业‘金属心脏’，现代工业‘黄金血液’！按照申万三级行业口径，截至5月底，有色龙头ETF（159876）及其联接基金（A类：017140，C类：017141）被动跟踪的中证有色金属指数，铜、黄金、铝、稀土、锂行业权重占比分别为25．5%、17．5%、16．2%、9．3%、8.1%，相对于投资单一金属行业，能够起到分散风险的作用，适合作为投资组合的一部分进行配置。
风险提示：有色龙头ETF（159876）及其联接基金（A类：017140，C类：017141）被动跟踪中证有色金属指数，该指数基日为2013.12.31，发布日期为2015.7.13，指数成份股构成根据该指数编制规则适时调整，其回测历史业绩不预示指数未来表现。本文中指数成份股仅作展示，个股描述不作为任何形式的投资建议，也不代表管理人旗下任何基金的持仓信息和交易动向。基金管理人评估的该基金风险等级为R3-中风险，适宜平衡型（C3）及以上的投资者，适当性匹配意见请以销售机构为准。任何在本文出现的信息（包括但不限于个股、评论、预测、图表、指标、理论、任何形式的表述等）均只作为参考，投资人须对任何自主决定的投资行为负责。另，本文中的任何观点、分析及预测不构成对阅读者任何形式的投资建议，亦不对因使用本文内容所引发的直接或间接损失负任何责任。基金投资有风险，基金的过往业绩并不代表其未来表现，基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证，基金投资须谨慎。
本文作者分别来自新加坡国立大学、北京大学与清华大学。第一作者王宇豪与共同第一作者屈文杰来自新加坡国立大学，研究方向聚焦于大语言模型中的安全与隐私风险。共同通讯作者为北京大学翟胜方博士，指导教师为新加坡国立大学张嘉恒助理教授。
本研究聚焦于当前广泛应用的 RAG (Retrieval-Augmented Generation) 系统，提出了一种全新的黑盒攻击方法：隐式知识提取攻击 (IKEA)。不同于以往依赖提示注入 (Prompt Injection) 或越狱操作 (Jailbreak) 的 RAG 提取攻击手段，IKEA 不依赖任何异常指令，完全通过自然、常规的查询，即可高效引导系统暴露其知识库中的私有信息。
在基于多个真实数据集与真实防御场景下的评估中，IKEA 展现出超过 91% 的提取效率与 96% 的攻击成功率，远超现有攻击基线；此外，本文通过多项实验证实了隐式提取的 RAG 数据的有效性。本研究揭示了 RAG 系统在表面「无异常」交互下潜在的严重隐私风险。
本研究的论文与代码已开源。
总述
大语言模型 (LLMs) 近年来在各类任务中展现出强大能力，但它们也面临一个核心问题：无法直接访问最新或领域特定的信息。为此，RAG (Retrieval-Augmented Generation) 系统应运而生——它为大模型接入外部知识库，让生成内容更准确、更实时。
然而，这些知识库中往往包含私有或敏感信息。一旦被恶意利用，可能导致严重的数据泄露。以往的攻击方式多依赖明显的「恶意输入」，比如提示注入或越狱攻击。这类攻击虽然有效，但也有着输入异常、输出重复等典型特征，容易被防御系统识别和拦截。
图1: 使用恶意查询进行逐字信息提取与使用良性查询进行知识提取 (IKEA) 之间的对比
为突破防御机制对现有提取攻击的限制，本文提出了一种全新的隐式知识抽取框架：IKEA (Implicit Knowledge Extraction Attack)。该方法不依赖任何越权指令或特异化提示语，而是通过自然、常规的查询输入，逐步引导 RAG 系统暴露其内部知识库中的私有或敏感信息。IKEA 的攻击流程具备高度自然性与隐蔽性。
其核心步骤包括：首先，基于已知的系统主题构建一组语义相关的锚点概念 (Anchor concepts)；随后，围绕这些概念生成符合自然语言习惯的问题，用于触发系统检索相关文档；最终，通过两项关键机制对攻击路径进行优化与扩展：
上述机制协同工作，使得攻击过程在保持输入自然性的同时，能够在多轮交互中高效提取 RAG 系统所依赖的外部知识内容。实验证明，IKEA 可在常规输入检测与输出过滤等防御机制下维持高成功率与提取效率，展现出强大的鲁棒性与现实威胁潜力。
方法概览：如何实现「看似正常」的提问？
具体而言，IKEA 首先从与系统主题相关的概念词中筛选出可能有效的锚点概念，并结合历史响应信息过滤无关或无效的概念。
锚点概念数据库的初始化如下：
随后，系统围绕这些锚点概念自动生成语义自然、表达通顺的问题，引导 RAG 返回内容丰富的答案，从而在多轮交互中不断扩大对隐私知识的覆盖。这种策略使攻击过程更加隐蔽，难以被传统检测手段发现。下文给出了「良性」问题的具体生成方式：
该方法设计了两项关键机制以确保知识提取效率：
经验反思采样 (Experience Reflection Sampling)
每个候选锚点概念的采样概率由如下惩罚得分函数定义：
最终的采样概率为：
可信域有向变异 (Trust Region Directed Mutation)
图 2: (左) IKEA 整体流程图；(右) TRDM 示意图
其中：
实验结果：IKEA 的提取效率远超基线方法
研究团队在三个不同领域数据集 (医疗-HealthCareMagic100k、小说-HarryPotter、百科-Pokémon) 上测试了 IKEA 攻击效果。以下是 IKEA 与其他攻击方法在「无防御」、「输入检测」、「输出过滤」三种防御策略下的比较：
表 1: 在三种数据集上不同防御策略下的攻击效果对比分析
提取知识是否「有用」？
研究团队围绕知识有效性开展了两类实验：其一，评估提取出的知识在对应文档相关的问答任务中的表现；其二，评估在有限轮次攻击下所提取知识对完整知识库的覆盖与支撑能力。实验结果表明，IKEA 不仅能够高效提取 RAG 系统中的信息，而且所提取的知识在问答任务中展现出良好的实用性，其性能接近于使用原始知识库时的表现。
图 3: 在三种不同知识库设定下的选择题 (MCQ) 与问答 (QA) 任务结果对比
表 2: 在不同防御与不同基线下提取的知识作为参考的选择题与问答任务结果对比
表 3: 基于不同攻击方法提取数据构建的 RAG 系统在完整知识库上的评估结果
总结